免费论文摘要：鉴于张量的数据回复本领接洽

连年来，跟着高阶张量在数据领会和处置上突显的出色本能，以及收缩感知表面的兴盛，张量数据回复题目，即张量缺点和失误元素回复题目，因其在计划机视觉、图像处置、引荐体例等范围普遍生存，而获得各范围鸿儒的关心。正文在熟习高阶张量数据基础构造的普通上，刻意领会国表里鸿儒在张量回复范围的接洽近况，对现有张量数据回复本领举行了领会和归纳，创造现有本领生存张量察看元素消息运用不充溢，回复精度低，本领抑制速率慢，简单堕入限制最小值等缺点。鉴于上述领会，正文试图探求领会含有缺点和失误元素的张量数据的本领，以赢得潜伏的低秩张量数据构造，进而估计出待回复的缺点和失误数据的手段。正文从张量Tucker领会动身，充溢运用该领会进程能保持张量数据的高维牵制联系的便宜，贯串矩阵怪僻值阈值算法，提出灵验地张量数据回复算法。算法运用张量元素的高维消息，将张量Tucker领会与软阈值操纵相贯串，以实行机动决定张量n-秩回复，到达普及本领的回复精度的手段。文中的仿真试验截止证明了正文算法对张量数据回复的灵验性。正文的重要奉献如次：1. 提出迭代张量Tucker数据回复本领。该本领充溢运用Tucker领会是矩阵SVD领会的高维扩充，在给定待回复张量n-秩的情景下，运用已知察看元素和回复出的数据举行回复建立模型，实行缺点和失误数据回复。仿真试验截止表露该本领大略容易实行，数据回复功效杰出。2. 提出张量Tucker阈值算子。该算子将张量Tucker领会进程与矩阵怪僻值阈值操纵相贯串，能动静地决定张量n-秩，试图在探求张量一致n-秩的进程中充溢运用张量数据构造元素多维消息。而后正文将该算子与增广拉格朗日乘子本领相贯串，提出了鉴于增广拉格朗日的张量Tucker阈值算法，试验截止表露该算法能灵验求解鉴于迹范数优化的张量数据回复。3. 提出N维度低沉张量Tucker阈值本领。该本领运用N-Mode Dimensionality Reduction本领探求仍旧决定n-秩值的最优一致张量。 该本领既维持了张量Tucker领会进程张量高维数据元素之间的多维牵制联系，又充溢运用软阈值机动索取n-秩好像，而贯串N维数低沉本领可进一步普及张量数据回复本领的回复精度。随后正文提出用瓜代本领乘子本领和拓展梯度本领求解迹范数优化目的公式。试验截止表露了本领的精确性。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/216798.html